과거 장애 이력과 PR 데이터를 활용한 자가 학습형 AI 코드 리뷰 시스템 구축

작성자가 직접 구축한 파이프라인의 실효성에 대해 긍정적인 반응이며, 특히 수동 리뷰가 다시 학습 데이터로 활용되는 피드백 루프에 관심이 집중되었다.

• 기존 저장소 데이터를 한 번에 주입하는 백필(Backfill) 과정을 통해 초기 에이전트의 성능을 빠르게 확보할 수 있다.
• Hindsight와 같은 도구를 사용하여 비정형 데이터를 구조화된 규칙 모델로 변환하면 런타임 효율성이 높아진다.

• 정적 프롬프트 대신 과거 장애 이력과 PR 데이터를 RAG 형태로 활용하여 팀 특화 코드 리뷰의 정확도를 높였다.
• GitHub 웹훅을 활용한 실시간 피드백 루프를 구축하여 수동 리뷰 결과가 AI의 지식으로 즉시 반영되도록 설계했다.
• Hindsight와 Groq를 조합한 스택을 통해 대규모 저장소 이력을 구조화된 규칙(Mental Model)으로 변환하고 빠른 추론 성능을 구현했다.